Question

我（非常）是R的新手，正在尝试选择多个组中的单个用户。我有两个字符串变量- 因此，请考虑以下示例数据

user <- c("User1", "User2", "User1", "User3","User4", 
          "User5", "User3", "User6", "User7", "User8", "User5")
place <- c("PlaceA", "PlaceA", "PlaceB", "PlaceB", "PlaceC", 
           "PlaceC", "PlaceC", "PlaceC", "PlaceD", "PlaceD", "PlaceD")
users_df <- data.frame(user, place)

我需要一些东西来查找哪些用户出现在多个特定的组中，例如：

PlaceA中有哪些用户，PlaceB中也有哪些用户，或
哪些用户位于PlaceB和PlaceC和PlaceD中，或者
哪些用户位于[{PlaceB AND（PlaceC或PlaceD）]中？

理想情况下，我想将相关行集中到一个单独的数据框中，因此对于第一个示例，新数据框看起来像-

User1   PlaceA
User1   PlaceB

但是与这里的数据相比，实际数据具有大约25,000个观察值，更多变量以及大约5,000个可以在多达43个组/地点出现的人的唯一姓名。

我尝试了unique，%in%，which和str_which的不同用法，但是我完全迷失了...任何想法？

Answer 1

library(dplyr)
users_df %>% group_by(user) %>% filter(n() > 1)

这将为您提供所需的内容-请注意，您正在按user进行分组，并获取所有实例不止一个的所有实例。

让我一步一步地带您进入最终输出（这对我也有所说明。）现在，正如您的评论中所述，如果您不关心在单个组中多次出现的用户，则只需更改到

users_df %>% 
  group_by(user) %>%
  filter(n() > 1) %>% 
  group_by(user, place) %>% 
  filter(n() == 1)

例如，如果您对条件有更具体的说明，例如A和B中的用户：

## Use the `filter(n() == 1)` as necessary
users_df %>% 
  group_by(user) %>%
  dplyr::filter(place %in% c("PlaceA", "PlaceB")) %>%
  filter(n() > 1)

您最近的评论中的案例：（A和B）| （C＆D＆E）。这似乎很棘手，但是我们可以借助lapply发挥创造力。

lapply(
  list(
    paste0("Place", c("A", "B")),
    paste0("Place", c("C", "D", "E"))
  ), function(x)
    users_df %>%
    group_by(user) %>%
    filter(place %in% c(x)) %>%
    filter(n() == length(x) & n() > 1)
) %>% 
  bind_rows()

上述代码的组合可以为您提供所需的信息。

Answer 2

最好像这样创建数据（相同的结果，但是在全局环境中最终不会得到随机命名的矢量）：

 users_df <- data.frame(
 user = c("User1", "User2", "User1", "User3","User4", "User5", "User3", "User6", "User7", "User8", "User5"),
 place  = c("PlaceA", "PlaceA", "PlaceB", "PlaceB", "PlaceC", "PlaceC", "PlaceC", "PlaceC", "PlaceD", "PlaceD", "PlaceD"))

然后使用基本函数split，该函数具有用于数据帧的方法：

group_by_user <- split(users_df, users_df$user)
group_by_user  #output not included

 sapply( group_by_user, function(df) length( unique(df$place) ) )
User1 User2 User3 User4 User5 User6 User7 User8 
    2     1     2     1     2     1     1     1

如果需要place使用的计数：

> grouped_data <- split(users_df, users_df$place)
> grouped_data
$PlaceA
   user  place
1 User1 PlaceA
2 User2 PlaceA

$PlaceB
   user  place
3 User1 PlaceB
4 User3 PlaceB

$PlaceC
   user  place
5 User4 PlaceC
6 User5 PlaceC
7 User3 PlaceC
8 User6 PlaceC

$PlaceD
    user  place
9  User7 PlaceD
10 User8 PlaceD
11 User5 PlaceD

然后您可以通过place名称进行选择，如下所示：

> grouped_data[['PlaceB']]
   user  place
3 User1 PlaceB
4 User3 PlaceB

或者您可以像这样遍历数据帧列表：

lapply( grouped_data, nrow)
$PlaceA
[1] 2

$PlaceB
[1] 2

$PlaceC
[1] 4

$PlaceD
[1] 3


> sapply( grouped_data, nrow)
PlaceA PlaceB PlaceC PlaceD 
     2      2      4      3

选择r中多个组中的个人

2 个答案: